論文の概要: First hardware demonstration of a continuous-state probabilistic computer with programmable energy-defined sampling

• arxiv url: http://arxiv.org/abs/2610.31339v1
• Date: Thu, 22 Oct 2026 14:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.407213
• Title: First hardware demonstration of a continuous-state probabilistic computer with programmable energy-defined sampling
• Title（参考訳）: プログラマブルエネルギー定義サンプリングによる連続状態確率コンピュータのハードウェア実証
• Abstract要約: 局所エネルギーで定義される条件分布から連続確率ビットが有界な状態をサンプリングする連続コンピュータ(CPC)を導入する。 フィールドプログラマブルゲートアレイ(FPGA)のプロトタイプは、デジタルランダムネスを用いて有限精度状態を更新する。 FPGAは、事前訓練されたネットワークを使わずに保存されたMNISTパターンを復元し、最終的な成功率は100%に達する。
• 参考スコア（独自算出の注目度）: 5.976106153762056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Probabilistic computing has proved useful for combinatorial optimization, but conventional implementations rely on binary stochastic units and sigmoid-based updates. Extending these systems to continuous variables requires binary encoding. Here we introduce a continuous probabilistic computer (CPC) whose continuous probabilistic bits sample bounded states from conditional distributions defined by local energies. Separating random-source generation from conditional sampling provides a route to using physical random sources with different native distributions. A field-programmable gate array (FPGA) prototype updates finite-precision states using digital randomness. The same framework supports product constraints, memory recovery and solution-space exploration. For the tested 7-bit factorization case, fixed-temperature FPGA CPC reduces mean core solving time approximately 33,000-fold relative to the evaluated quadratic unconstrained binary optimization software implementation. The FPGA recovers stored MNIST patterns without pretrained networks, achieving final success rates of 100%. Software CPC reaches 90% reference coverage of the feasible area in approximately 18% of the time required by restarted Adam.
• Abstract（参考訳）: 確率計算は組合せ最適化に有用であることが証明されているが、従来の実装は二進確率単位とシグモイドベースの更新に依存している。 これらのシステムを連続変数に拡張するにはバイナリエンコーディングが必要である。 ここでは、局所エネルギーで定義された条件分布から連続確率ビットが有界な状態をサンプリングする連続確率コンピュータ(CPC)を紹介する。 条件付きサンプリングからランダムソースを分離することで、異なるネイティブ分布を持つ物理ランダムソースを使用するためのルートを提供する。 フィールドプログラマブルゲートアレイ(FPGA)のプロトタイプは、デジタルランダムネスを用いて有限精度状態を更新する。 同じフレームワークは、製品の制約、メモリリカバリ、ソリューション空間探索をサポートする。 テストした7ビット因子化ケースでは、温度の固定したFPGA CPCは、評価された2次非制約バイナリ最適化ソフトウェア実装と比較して平均コア解決時間を約33,000倍に削減する。 FPGAは、事前訓練されたネットワークを使わずに保存されたMNISTパターンを復元し、最終的な成功率は100%に達する。 ソフトウェアCPCは、Adamの再起動に必要な時間の約18%で、実現可能な領域の90%のリファレンスカバレッジに達する。

関連論文リスト

• Reproducible AI Requires Reproducible Randomness [1.0602247913671219]
  本研究では,完全初期状態がPRNGストリームの相互信頼度と可搬性を確保することができるかどうかを検討する。 広くデプロイされている2つのジェネレータであるMersenneとPhiloxに注目し、その実装を4つの主要なPythonエコシステムにわたって評価する。 忠実度はいくつかの実装で達成されたが、他の実装では大きな相違が見られた。
  論文  参考訳（メタデータ） (2026-09-22T14:14:18Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• Mitigating Bias in Locally Constrained Decoding via Tractable Proposals [73.78736135699953]
  既存の局所的制約付き復号法は、ミオプティックに次のトークンを隠蔽することで制約を強制する。 最近の研究では、シーケンシャルなモンテカルロ法を用いてバイアスを緩和しているが、効果的な提案分布や潜在的な関数を設計することは重要な課題である。 我々は、$p_mathrmlm( cdot mid mathrmconstraint)$からSMCサンプリングのための提案とポテンシャルを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2026-06-01T08:58:18Z)
• Probabilistic Language Tries: A Unified Framework for Compression, Decision Policies, and Execution Reuse [0.0]
  列上の任意の生成確率モデルによって暗黙的に定義されたプレフィックス構造を明示する統一表現であるLanguage Try (PLTs)を導入する。 また,任意のデータセットをカバー多数とスパース残量ストアに分解するハイブリッド圧縮アーキテクチャを導入し,Kolmogorov型プログラム表現とレート歪み理論を接続する。
  論文  参考訳（メタデータ） (2026-03-29T21:24:26Z)
• BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
  本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。 BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
  論文  参考訳（メタデータ） (2026-02-04T02:54:37Z)
• Verified Foundations for Differential Privacy [9.513258396376003]
  SampCertは、ディファレンシャルプライバシのための、初めての包括的で機械化された基盤です。 これはDPの一般的な概念であり、DP機構の構築と構成のためのフレームワークであり、Laplace と Gaussian のサンプリングアルゴリズムの実装を正式に検証している。 実際、SampCertの検証されたアルゴリズムは、Amazon Web Services(AWS)のDPサービスを動かしている。
  論文  参考訳（メタデータ） (2024-12-02T16:19:47Z)
• Just One Byte (per gradient): A Note on Low-Bandwidth Decentralized Language Model Finetuning Using Shared Randomness [86.61582747039053]
  分散環境での言語モデルトレーニングは、交換の通信コストによって制限される。 分散微調整を低帯域幅で行うために,共有ランダムネスを用いた最近の作業を拡張した。
  論文  参考訳（メタデータ） (2023-06-16T17:59:51Z)
• UniPC: A Unified Predictor-Corrector Framework for Fast Sampling of Diffusion Models [92.43617471204963]
  拡散確率モデル(DPM)は高分解能画像合成において非常に有望な能力を示した。 我々は既存のDPMサンプリング器の後に適用可能な統一補正器(UniC)を開発し、精度を向上する。 そこで我々は,DPMの高速サンプリングのためのUniPCと呼ばれる統合予測器・相関器フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-09T18:59:48Z)
• Tractable Regularization of Probabilistic Circuits [31.841838579553034]
  確率回路(PC)は確率的モデリングのための有望な道である。 我々は,PCのトラクタビリティを活かしたデータソフト化とエントロピー正規化という2つの直感的な手法を提案する。 両手法が多種多様なPCの一般化性能を一貫して向上することを示す。
  論文  参考訳（メタデータ） (2021-06-04T05:11:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。